CN113379679A - 脑动脉波强度和波功率的测量方法、终端设备及存储介质 - Google Patents
脑动脉波强度和波功率的测量方法、终端设备及存储介质 Download PDFInfo
- Publication number
- CN113379679A CN113379679A CN202110533405.1A CN202110533405A CN113379679A CN 113379679 A CN113379679 A CN 113379679A CN 202110533405 A CN202110533405 A CN 202110533405A CN 113379679 A CN113379679 A CN 113379679A
- Authority
- CN
- China
- Prior art keywords
- artery
- cerebral
- target
- determining
- internal carotid
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30016—Brain
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
- G06T2207/30104—Vascular flow; Blood flow; Perfusion
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radiology & Medical Imaging (AREA)
- Fluid Mechanics (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本申请适用于图像处理技术领域,尤其涉及一种脑动脉波强度和波功率的测量方法、终端设备及计算机可读存储介质。所述测量方法可以获取包含脑部信息和颈部信息的核磁共振图像,并根据核磁共振图像构建脑血流动力学模型;分别获取左颈内动脉、右颈内动脉、左椎动脉和右椎动脉的目标超声流速频谱波形,以根据脑血流动力学模型和各目标超声流速频谱波形确定各脑动脉的波强度和波功率。即本申请实施例通过无创测量和数值模拟相结合的方式实现全脑动脉WI和WP的测量,极大地提高了脑动脉WI和WP测量的精度,具有较强的易用性和实用性。
Description
技术领域
本申请属于图像处理技术领域,尤其涉及一种脑动脉波强度和波功率的测量方法、终端设备及计算机可读存储介质。
背景技术
脑动脉波强度(wave intensity,WI)和波功率(wave power,WP)是预测老年痴呆风险的重要标志物。因此,需要测量脑动脉WI和WP。目前,仅能实现颈总动脉WI的测量,即采用组合的回声跟踪和多普勒系统同时获取颈总动脉直径和流速波形,通过将直径波形校准为手臂袖带的收缩压和舒张压而估算出颈总动脉压力波形,以计算颈总动脉WI。这种测量方式是假定血管直径波形和压力波形相同,并采用臂压来校准,忽略了臂压和颈动脉压的差异性,导致压力评估不准确,影响波强度WI的测量精度。
发明内容
本申请实施例提供了一种脑动脉波强度和波功率的测量方法、装置、终端设备及计算机可读存储介质,可以准确地测量各脑动脉的波强度和波功率。
第一方面,本申请实施例提供了一种脑动脉波强度和波功率的测量方法,可以包括:
获取包含脑部信息和颈部信息的核磁共振图像;
根据所述核磁共振图像构建脑血流动力学模型;
分别获取左颈内动脉、右颈内动脉、左椎动脉和右椎动脉的目标超声流速频谱波形;
根据所述脑血流动力学模型和各所述目标超声流速频谱波形确定各脑动脉的波强度和波功率。
通过上述的测量方法,可以获取包含脑部信息和颈部信息的核磁共振图像,并根据核磁共振图像构建脑血流动力学模型;分别获取左颈内动脉、右颈内动脉、左椎动脉和右椎动脉的目标超声流速频谱波形,以根据脑血流动力学模型和各目标超声流速频谱波形确定各脑动脉的波强度和波功率。即本申请实施例通过无创测量和数值模拟相结合的方式实现全脑动脉WI和WP的测量,极大地提高了脑动脉WI和WP测量的精度,具有较强的易用性和实用性。
示例性的,所述脑血流动力学模型根据下述公式对任一脑动脉进行血流模拟:
其中,A为该脑动脉t时刻x位置处的目标横截面积,U为该脑动脉t时刻x位置处的平均血流速度,P为该脑动脉t时刻x位置处的平均血压,μ为血液黏度,ρ为血液密度,ξ为粘性摩擦常数,且μ=0.0035Pa·s,ρ=1050kg·m-3,ξ=22,Pext为施加在该脑动脉外壁的压力,P0为参考压力,K为该脑动脉的硬度参数,A0为该脑动脉的初始横截面积。
在第一方面的一种可能的实现方式中,所述根据所述脑血流动力学模型和各所述目标超声流速频谱波形确定各脑动脉的波强度和波功率,可以包括:
将各所述目标超声流速频谱波形确定为所述脑血流动力学模型的入口边界条件;
确定所述脑血流动力学模型的出口边界条件;
根据所述入口边界条件、所述出口边界条件和所述脑血流动力学模型确定各所述脑动脉任一位置处的平均血流速度波形、平均流量波形以及平均血压波形;
根据各所述脑动脉的平均血流速度波形、平均流量波形以及平均血压波形确定各所述脑动脉的波强度和波功率。
可选地,所述确定所述脑血流动力学模型的出口边界条件,可以包括:
根据肱动脉血压以及所述左颈内动脉、所述右颈内动脉、所述左椎动脉和所述右椎动脉的目标超声流速频谱波形和初始横截面积计算脑动脉系统的总阻力和总顺应性;
根据所述脑动脉系统的总阻力和总顺应性确定各末端动脉的目标阻力和目标顺应性;
根据各所述末端动脉的目标阻力和目标顺应性确定所述脑血流动力学模型的出口边界条件。
示例性的,所述根据肱动脉血压以及所述左颈内动脉、所述右颈内动脉、所述左椎动脉和所述右椎动脉的目标超声流速频谱波形和初始横截面积计算脑动脉系统的总阻力和总顺应性,可以包括:
根据所述左颈内动脉、所述右颈内动脉、所述左椎动脉和所述右椎动脉的目标超声流速频谱波形和初始横截面积分别确定一个心动周期内的左颈内动脉、右颈内动脉、左椎动脉以及右椎动脉的第一平均流量;
根据各所述第一平均流量确定一个心动周期内脑总灌注的第二平均流量;
根据所述第二平均流量和所述肱动脉血压确定所述脑动脉系统的总阻力和总顺应性。
具体地,所述根据所述第二平均流量和所述肱动脉血压确定所述脑动脉系统的总阻力和总顺应性,可以包括:
根据下述公式确定所述脑动脉系统的总阻力和总顺应性:
其中,RT为所述总阻力,CT为所述总顺应性,Pm为肱动脉的平均动脉压,Pcap为颅内毛细血管压,Picp为颅内压,且Pcap=25mmHg,Picp=11mmHg,为所述第二平均流量,PP=SBP-DBP,SBP为肱动脉的收缩压,DBP为肱动脉的舒张压,ΔVT为所述脑动脉系统的总脉动体积。
可选地,所述根据所述脑动脉系统的总阻力和总顺应性确定各末端动脉的目标阻力和目标顺应性,可以包括:
利用动脉流量比和动脉横截面积比的两步分配法将所述脑动脉系统的总阻力和总顺应性分配给各所述末端动脉,得到各所述末端动脉的目标阻力和目标顺应性。
在第一方面的一种可能的实现方式中,所述根据所述核磁共振图像构建脑血流动力学模型,可以包括:
对所述核磁共振图像进行脑动脉分割与重建,得到脑动脉系统的三维几何模型;
根据所述三维几何模型确定各脑动脉的中心线,并获取各中心线的长度和初始横截面积;
根据各所述中心线的长度和初始横截面积建立所述脑动脉系统的1D脉搏波传递模型;
在所述1D脉搏波传递模型的各末端动脉中分别连接一0D模型,得到所述脑血流动力学模型,其中,所述0D模型用于模拟末端动脉的外周血管床的目标阻力和目标顺应性。
第二方面,本申请实施例提供了一种脑动脉波强度和波功率的测量装置,可以包括:
核磁共振图像获取模块,用于获取包含脑部信息和颈部信息的核磁共振图像;
动力学模型构建模块,用于根据所述核磁共振图像构建脑血流动力学模型;
频谱波形获取模块,用于分别获取左颈内动脉、右颈内动脉、左椎动脉和右椎动脉的目标超声流速频谱波形;
波强度和波功率确定模块,用于根据所述脑血流动力学模型和各所述目标超声流速频谱波形确定各脑动脉的波强度和波功率。
第三方面,本申请实施例提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面中任一项所述的脑动脉波强度和波功率的测量方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面中任一项所述的脑动脉波强度和波功率的测量方法。
第五方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行上述第一方面中任一项所述的脑动脉波强度和波功率的测量方法。
可以理解的是,上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的脑动脉波强度和波功率的测量方法的流程示意图;
图2和图3是本申请一实施例提供的脑血流动力学模型的构建示意图;
图4是本申请一实施例提供的确定目标超声流速频谱波形的场景示意图;
图5是本申请一实施例提供的测量位置的示例图;
图6是右颈内动脉的脉动体积的计算示例图;
图7是左大脑中动脉及其外周血管的示例图;
图8是本申请实施例提供的脑血流动力学模型的血流模拟图;
图9是本申请实施例提供的脑动脉波强度和波功率的测量装置的结构示意图;
图10是本申请实施例提供的终端设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
据世界卫生组织(World Health Organization,WHO)报道,目前世界范围内约有5000万痴呆患者,近60%生活在中低收入国家。2019年欧洲痴呆年鉴指出欧洲目前约有1000万痴呆患者。在美国,65岁以上老年人口中约有500万痴呆患者。2020年1月发布在《柳叶刀-神经病学》杂志的研究显示,我国65岁以上的老年人口中约有1000万痴呆症患者,每年造成的经济损失高达17000亿元。我国人口老龄化程度正在加速加深,预计到2050年老年痴呆患者人数将会超过4000万,痴呆将成为危害我国人民健康和晚年生活质量最为严重的公共卫生问题。最新研究发现,脑动脉波强度WI和波功率WP是预测老年痴呆风险的重要标志物,脑动脉WI和WP的分析可提前10年预测认知下降风险,预测结果不受其他风险因子的影响。因此,准确测量脑动脉WI和WP对老年痴呆症的早期诊断、预防和精准治疗具有重要的指导意义。
由于脑血管解剖结构的特殊性和测量技术的局限性,脑动脉WI和WP的测量极其困难,目前仅能实现颈总动脉WI的无创测量。例如,采用组合的回声跟踪和多普勒系统同时获取颈总动脉直径和流速波形,通过将直径波形校准为手臂袖带的收缩压和舒张压而估算出颈总动脉压力波形,以计算颈总动脉WI。但这种测量方法是假定血管直径波形和压力波形相同,并且采用臂压来校准,忽略了臂压和颈动脉压的差异性,导致压力评估不准确,影响波强度WI的测量精度。且这种测量方法仅能测量颈总动脉WI,无法测量其他脑血管的WI,也无法测量脑动脉WP。
为解决上述问题,本申请实施例提供了一种脑动脉波强度和波功率的测量方法,该方法可以获取包含脑部信息和颈部信息的核磁共振图像;根据核磁共振图像构建脑血流动力学模型;分别获取左颈内动脉、右颈内动脉、左椎动脉和右椎动脉的目标超声流速频谱波形;根据脑血流动力学模型和各目标超声流速频谱波形确定各脑动脉的波强度WI和波功率WP,以通过无创测量和数值模拟相结合的方式实现全脑动脉WI和WP的测量,极大地提高了脑动脉WI和WP测量的精度,具有较强的易用性和实用性。
请参阅图1,图1示出了本申请实施例提供的脑动脉波强度WI和波功率WP的测量方法的示意性流程图。其中,所述测量方法可以应用于手机、平板电脑、笔记本电脑、桌上型计算机等终端设备上,本申请实施例对终端设备的具体类型不作任何限制。如图1所示,所述测量方法,可以包括:
S101、获取包含脑部信息和颈部信息的核磁共振图像。
其中,核磁共振图像是指对用户的头部和颈部进行磁共振成像(magneticresonance imaging,MRI)扫描,所得到的核磁共振图像(即MRI图像),即该MRI图像中可以包含脑动脉的信息和颈动脉的信息。
S102、根据所述核磁共振图像构建脑血流动力学模型。
具体地,终端设备可以利用血管重建软件对MRI图像进行脑动脉分割与重建,得到脑动脉系统的三维几何模型。然后,终端设备可以根据三维几何模型确定各脑动脉的中心线,并获取各中心线的长度和初始横截面积,以根据各中心线的长度和初始横截面积建立全脑动脉拓扑结构(即脑动脉系统)的1D脉搏波传递模型。需要说明的是,对于任一中心线,终端设备可以获取沿该中心线均匀分布的多个横截面积,并将这多个横截面积的平均值作为该中心线的初始横截面积,例如获取沿该中心线均匀分布的五个横截面积,并将这五个横截面积的平均值作为该中心线的初始横截面积,即作为该中心线所对应的脑动脉的初始横截面积。
请参阅图2和图3,图2和图3示出了本申请实施例提供的脑血流动力学模型的构建示意图。示例性的,在通过MRI扫描得到图2中的(a)所示的MRI图像后,终端设备可以利用血管重建软件对该MRI图像进行脑动脉分割与重建,例如可以利用交互式医学影像控制系统materialise mimics对该MRI图像进行脑动脉分割与重建,得到如图2中的(b)所示的脑动脉系统的三维几何模型,并确定脑动脉系统中各脑动脉的中心线,例如可以使用mimics中ANALYZE菜单下的Fit Centerline工具确定各脑动脉的中心线,得到如图2中的(c)所示的中心线的示例图。随后,终端设备可以获取各中心线的长度和初始横截面积,例如可以使用mimics中MEASURE菜单下的Distance工具获取各中心线的长度,以及可以使用MEASURE菜单下的Sectional Area工具获取各中心线对应的多个横截面积,并可以分别根据各脑动脉对应的多个横截面积确定各脑动脉的初始横截面积A0。最后,终端设备可以根据各脑动脉对应的中心线的长度和初始横截面积建立如图2中的(d)所示的1D脉搏波传递模型,该1D脉搏波传递模型可以包括45段脑动脉。
在构建图2中的(d)所示的1D脉搏波传递模型后,终端设备可以在1D脉搏波传递模型的各末端动脉分别连接一个0D模型,例如,0D模型可以三元的Windkessel模型,以模拟脑动脉网络的外周血管床(例如小动脉、微动脉和毛细血管等)的阻力和顺应性,得到如图3所示的0-1D多尺度的脑血流动力学模型。如图3所示,0D模型可以包括两个电阻和一个电容,电阻表征特征阻抗,电阻表征末端阻力,电容C表征顺应性。需要说明的是,图3仅在第20段的末端动脉连接0D模型为例进行示例性说明。
示例性的,脑血流动力学模型可以采用下述的1D纳维-斯托克斯方程对各脑动脉进行血流模拟:
其中,A为该脑动脉t时刻x位置处的目标横截面积,U为该脑动脉t时刻x位置处的平均血流速度,P为该脑动脉t时刻x位置处的平均血压,μ为血液黏度,ρ为血液密度,ξ为粘性摩擦常数,且μ=0.0035Pa·s,ρ=1050kg·m-3,ξ=22。
应理解,本申请实施例中的平均血流速度和平均血压等是指空间上的平均。即位置x指的是脑动脉中的某一个横截面,平均血流速度和平均血压等指该整个横截面上的平均值。
本申请实施例,可以将各脑动脉沿中心轴向划分N个节点,假定两节点之间的距离为Δx,则节点i的位置x=i*Δx,i=1,2,…,N。在此,N可以根据实际情况具体确定,本申请实施例对此不作任何限制。
可以理解的是,A、U和P均是随心脏跳动连续变化的,即A、U和P均是随时间变化的,也就是说,本申请实施例所获取的各脑动脉的A、U和P均为随时间变化的波形曲线。
上述的1D纳维-斯托克斯方程组中有2个方程和3个未知数(即A、U以及P),为了关闭控制方程,本申请实施例中可以引入管定律:
其中,Pext为施加在脑动脉外壁的压力,对于颅内动脉,Pext等于颅内压,对于其他动脉,Pext可以设置为0,P0为参考压力,本申请实施例中,可以将肱动脉的舒张压DBP设置为P0,A0为各脑动脉的初始横截面积,K为各脑动脉的硬度参数。
示例性的,肱动脉血压(包含收缩压SBP和舒张压DBP)可以通过下述方式测量得到:使用数字血压计先测量一只手臂的肱动脉血压,以一分钟的间隔分别进行三次测量,要求每次测量的误差小于5mmHg。然后,以同样的方式测量另一只手臂的肱动脉血压。随后,计算六次测量得到的收缩压SBP的平均值和舒张压DBP的平均值,并可以将六次测量得到的舒张压DBP的平均值确定为公式三中的P0。
下面对各脑动脉的硬度参数K的确定过程进行详细说明。
(一)终端设备可以根据下述经验公式四和公式五估算各脑动脉的初始Km:
(二)终端设备可以确定各脑动脉的修正系数δ,并将各脑动脉的初始Km分别乘以修正系数δ,得到各脑动脉最终的硬度参数K,即K=δ*Km。
在此,δ的选择标准为:使得脑血流动力学模型仿真得到左右颈内动脉的平均动脉压与肱动脉的平均动脉压Pm之间的百分比误差在5%以内。其中,肱动脉的平均脉动圧Pm=DBP+0.422*(SBP-DBP),此处的DBP为前述六次测量得到的舒张压DBP的平均值,此处的SBP为前述六次测量得到的收缩压SBP的平均值。左右颈内动脉的平均动脉压=(左颈内动脉的平均血压+右颈内动脉的平均血压)/2,左颈内动脉的平均血压是指脑血流动力学模型仿真得到的左颈内动脉C1段的一个心动周期内的压力波形的平均值。同样地,右颈内动脉的平均血压是指脑血流动力学模型仿真得到的右颈内动脉C1段的一个心动周期内的压力波形的平均值。
(三)对于可以通过经颅多普勒超声(Transcranial Doppler,TCD)测量血流速度的颅内动脉,终端设备还可以进一步对该颅内动脉的修正系数δ进行调整。其中,δ的调整标准为:使得脑血流动力模型仿真得到的该颅内动脉的血流速度的峰值与TCD测量得到的该颅内动脉的血流速度的峰值的百分比误差在5%以内。
如图3所示,可以通过TCD测量血流速度的脑动脉包括:左颈内动脉C7段(22)、左大脑前动脉A1段(16)、左大脑中动脉M1段(17)、左大脑后动脉P1段(31)、左椎动脉V4段(41)、右颈内动脉C7段(6)、右大脑前动脉A1段(7)、右大脑中动脉M1段(9)、右大脑后动脉P1段(30)、右椎动脉V4段(40)和基底动脉上部(36)。其中,各颅内动脉的具体测量位置可以为各颅内动脉的中间位置,例如可以为图3所示的黑色圆点处。
为消除测量误差,本申请实施例可以通过TCD测量各颅内动脉多个(例如三个)心动周期的超声流速频谱波形(以下称为第一超声流速频谱波形),然后根据各颅内动脉对应的多个第一超声流速频谱波形的平均值确定各颅内动脉最终的目标超声流速频谱波形。其中,在通过TCD进行流速测量时,可以让用户处于仰卧姿态。以下将以左颈内动脉C7段为例示例性说明各颅内动脉的目标超声流速频谱波形的确定。
请参阅图4,图4示出了本申请实施例提供的确定目标超声流速频谱波形的场景示意图。如图4中的(a)所示,终端设备可以通过TCD测量左颈内动脉C7段至少三个心动周期的第一超声流速频谱波形。如图4中的(b)所示,然后可以分别提取这三个第一超声流速频谱波形的轮廓,生成三个心动周期的超声流速频谱波形(以下称为第二超声流速频谱波形),例如可以将这三个第一超声流速频谱波形分别导入OriginPro 2016 Digitizer,分别导出这三个第一超声流速频谱波形的轮廓点坐标,以根据各轮廓点坐标分别生成三个心动周期的第二超声流速频谱波形(即U1、U2和U3)。随后,终端设备可以计算所生成的三个第二超声流速频谱波形的平均值,并通过平均值拟合成一个心动周期的超声流速频谱波形(以下称为第三超声流速频谱波形)。由于TCD测量的第一超声流速频谱波形为血管中心的最大流速,而本申请实施例中所需要的是整个血管横截面的平均流速,因此,如图4中的(c)所示,终端设备可以将拟合成的第三超声流速频谱波形除以2,以得到左颈内动脉C7段最终的目标超声流速频谱波形,即左颈内动脉C7段最终的目标超声流速频谱波形Um=(U1+U2+U3)/6。
需要说明的是,TCD测量、肱动脉血压的测量以及后续彩色多普勒超声设备的测量可以同时进行。
S103、分别获取左颈内动脉、右颈内动脉、左椎动脉和右椎动脉的目标超声流速频谱波形。
具体地,可以先使用彩色多普勒超声设备测量左颈内动脉C1段、右颈内动脉C1段、左椎动脉V2段和右椎动脉V2段至少三个心动周期的超声流速频谱波形(以下称为第四超声流速频谱波形)。其中,左颈内动脉C1段、右颈内动脉C1段、左椎动脉V2段和右椎动脉V2段的具体测量位置可以为各动脉的中间位置,例如可以为图5所示的黑色圆点处。然后,终端设备可以计算左颈内动脉C1段对应的三个第四超声流速频谱波形的平均值,并根据左颈内动脉C1段对应的平均值确定左颈内动脉的目标超声流速频谱波形。同样的,终端设备可以计算右颈内动脉C1段对应的三个第四超声流速频谱波形的平均值,并根据右颈内动脉C1段对应的平均值确定右颈内动脉的目标超声流速频谱波形;计算左椎动脉V2段对应的三个第四超声流速频谱波形的平均值,并根据左椎动脉V2段对应的平均值确定左椎动脉的目标超声流速频谱波形,以及计算右椎动脉V2段对应的三个的第四超声流速频谱波形的平均值,并根据右椎动脉V2段对应的平均值确定右椎动脉的目标超声流速频谱波形。
可以理解的是,左颈内动脉、右颈内动脉、左椎动脉以及右椎动脉的目标超声流速频谱波形的确定方式与前述所述的左颈内动脉C7段的目标超声流速频谱波形的确定方式相同,具体内容可以参照前述描述,为简明起见,在此不再赘述。
S104、根据所述脑血流动力学模型和各所述目标超声流速频谱波形确定各脑动脉的波强度和波功率。
示例性的,如图3所示,终端设备可以将左颈内动脉的目标超声流速频谱波形(图3中用左颈内动脉流速来表示)、右颈内动脉的目标超声流速频谱波形(图3中用右颈内动脉流速来表示)、左椎动脉的目标超声流速频谱波形(图3中用左椎动脉流速来表示)以及右椎动脉的目标超声流速频谱波形(图3中用右椎动脉流速来表示)均作为脑血流动力学模型的入口边界条件,以使得脑血流动力学模型根据该入口边界条件计算各脑动脉任一位置处的A、U和P波形。然后,终端设备可以根据Q=A*U分别计算各脑动脉任一位置处的流量Q波形,从而可以根据各脑动脉的P、U以及Q波形确定各脑动脉的波强度WI和波功率WP。
在一种可能的实现方式中,终端设备还可以根据末端动脉的0D模型确定脑血流动力学模型的出口边界条件,以使得脑血流动力学模型可以根据入口边界条件和出口边界条件来计算各脑动脉任一位置处的A、U和P波形。随后,终端设备可以根据各脑动脉的Q=A*U计算各脑动脉任一位置处的Q波形,从而可以根据各脑动脉的P、U以及Q波形来确定各脑动脉的波强度WI和波功率WP。
下面将对脑血流动力学模型的出口边界条件的确定过程进行详细说明。
具体地,为一个心动周期内左右颈内动脉和左右椎动脉的第一平均流量之和。其中,左颈内动脉的第一平均流量=左颈内动脉的初始血流速度*左颈内动脉的初始横截面积,左颈内动脉的初始血流速度为前述S103中的获取左颈内动脉的目标超声流速频谱波形对应的平均血流速度。同样地,右颈内动脉的第一平均流量=右颈内动脉的初始血流速度*右颈内动脉的初始横截面积,右颈内动脉的初始血流速度为前述S103中的获取右颈内动脉的目标超声流速频谱波形对应的平均血流速度;左椎动脉的第一平均流量=左椎动脉的初始血流速度*左椎动脉的初始横截面积,左椎动脉的初始血流速度为前述S103中的获取左椎动脉的目标超声流速频谱波形对应的平均血流速度;右椎动脉的第一平均流量=右椎动脉的初始血流速度*右椎动脉的初始横截面积,右椎动脉的初始血流速度为前述S103中的获取右椎动脉的目标超声流速频谱波形对应的平均血流速度。
具体地,终端设备可以根据下述公式六和公式七计算脑动脉系统的RT和CT:
其中,Pm为肱动脉的平均动脉压,Pcap为颅内毛细血管压,Picp为颅内压,且Pcap=25mmHg,Picp=11mmHg,为一个心动周期内脑总灌注的第一平均流量,PP为脉压,且PP=SBP-DBP,ΔVT为整个脑动脉(即脑动脉系统)的总脉动体积。
可以理解的是,整个脑动脉的总脉动体积也就是左右颈内动脉和左右椎动脉的脉动体积之和,即ΔVi为脉动体积。假设脑血流在毛细血管中是非脉动性的,则脉动体积表示将脉动性动脉血流衰减为非脉动性毛细血管血流所需要的脑动脉的循环体积变化。数学上,脉动体积是瞬时流量波形减去平均流量之后在一个心动周期累积积分的最大值和最小值之差,同时也等同于收缩期瞬时流量波形与平均流量的交点处时间段内的瞬时流量波形与平均流量之差的累积积分,即脉动体积可以通过下述公式八确定:
以下以右颈内动脉为例示例性说明脉动体积的计算。请参阅图6,图6示出了右颈内动脉的脉动体积的计算示例图。具体地,终端设备可以根据一个心动周期内右颈内动脉的目标超声流速频谱波形和右颈内动脉的初始横截面积,得到如图6中的(a)所示的右颈内动脉的瞬时流量波形和平均流量。可以理解的是,右颈内动脉的瞬时流量波形由目标超声流速频谱波形乘以初始横截面积计算得到,右颈内动脉的平均流量由目标超声流速频谱波形对应的平均血流速度乘以初始横截面积计算得到。如图6中的(b)所示,右颈内动脉的瞬时流量波形减去平均流量后在一个心动周期的累积积分,代表右颈内动脉在一个心动周期内的体积变化。其中,右颈内动脉的脉动体积ΔVi则为图6中的(b)所示的体积变化的最大值Vmax与最小值Vmin之差,即ΔVi=Vmax-Vmin,同时右颈内动脉的脉动体积ΔVi也等于图6中的(a)中灰色阴影的面积。
(三)终端设备确定末端动脉的0D模型的目标阻力和目标顺应性。
在此,终端设备可以基于血管流量比-血管横截面积比(也称为动脉流量比-动脉横截面积比)的两步分配法将脑动脉系统的总阻力RT和总顺应性CT合理分配到整个脑动脉网络,以对末端动脉的0D模型的目标阻力和目标顺应性进行个体化赋值。可以理解的是,各末端动脉的0D模型的目标阻力和目标顺应性的赋值方式基本相同,以下将以左大脑中动脉为例进行示例性说明。
具体地,终端设备可以先获取左大脑中动脉一个心动周期的平均流量QMCA,其中,QMCA可以由前述TCD测量得到的左大脑中动脉的目标超声流速频谱波形对应的平均血流速度乘以左大脑中动脉的初始横截面积计算得到。随后,终端设备可以根据QMCA与脑总灌注的的比值,计算左大脑中动脉下游血管的总阻力RMCA和总顺应性CMCA。然后,终端设备可以根据左大脑中动脉末端动脉的横截面积比,计算外周0D血管床的目标阻力和目标顺应性。
具体地,终端设备可以根据下述公式九和公式十计算左大脑中动脉下游血管的RMCA和CMCA,然后可以根据下述公式十一和公式十二计算外周0D血管床的目标阻力和目标顺应性:
其中,ρ为血液密度,cj为动脉j的脉搏波速度,Aj为动脉j的初始横截面积,Ak为动脉k的初始横截面积,Lj为动脉j的血管长度。本申请实施例中,为了建模方便,可以假定各动脉的脉搏波速度是不变的,是一个常数,在此,cj可以基于前述各动脉的硬度参数K确定,即Kj为动脉j的硬度参数。
(四)根据0D模型的目标阻力和目标顺应性确定脑血流动力学模型的出口边界条件。
其中,脑血流动力学模型的出口边界条件可以为各末端动脉中末端节点处的平均流量Q1D、平均血压P1D和平均血流速度U1D。下面将以图7所示的示例图来对末端动脉j末端节点处的平均流量Q1D、平均血压P1D和平均血流速度U1D进行示例性说明。
具体地,终端设备可以根据下述公式十三、公式十四、公式十五、公式十六和公式十七确定末端动脉j末端节点处的流量Q1D、血压P1D和流速U1D:
其中,A1D为末端动脉j末端节点处的目标横截面积,Pa为外周血管床压力,Wf为向前传递的特征变量,τ∈[A0,A],A0为末端动脉j的初始横截面积,A为末端动脉j各时刻的目标横截面积,Qp为流过的流量,Qd为流过的流量,Pcap为毛细血管压,c为末端动脉j实际的脉搏波速度,P为末端动脉j各时刻的平均血压。
在此,Pa可以根据上一时间的Pa推导得到,Qd可以根据上一时间的Qd推导得到,Wf也可以根据上一时间的Wf推导得到。其中,tn为当前时间,tn-1为上一时间,xm为末端节点,为tn-1时向前传递的特征变量的传播速度,其等于tn-1时的脉搏波速度加上血流速度。
本申请实施例中,在通过上述的测量方法测量得到各脑动脉的波强度WI和波功率WP后,可以通过波分离技术,将各脑动脉的波强度WI和波功率WP分别分离为向前传播和向后传播的分量,其中,向前的分量(即向前传递波强度WI+和向前传递波功率WP+)代表血管上游的影响,向后的分量(即向后反射波强度WI-和向后反射波功率WP-)代表血管下游的影响。具体地,向前传递波强度WI+、向后反射波强度WI-、向前传递波功率WP+以及向后反射波功率WP-分别为:
请参阅图8,图8示出了本申请实施例提供的脑血流动力学模型的血流模拟图。本申请实施例中,可以通过该脑血流动力学模型模拟目标用户(如老年痴呆患者)的脑血流,分别得到如图8中的(a)所示的右大脑前动脉、如图8中的(b)所示的左大脑前动脉、如图8中的(c)所示的右大脑中动脉、如图8中的(d)所示的左大脑中动脉、如图8中的(e)所示的右大脑后动脉以及如图8中的(f)所示的左大脑后动脉的流速波形。其中,图8中各流速波形的横轴为时间(时间为s),纵轴为血流速度(单位为cm/s)。由图8可知,该脑血流动力学模型模拟出的左大脑前动脉、右大脑前动脉、左大脑中动脉、右大脑中动脉、左大脑后动脉以及右大脑后动脉的流速波形与TCD的实际测量数据非常吻合,表明了本申请实施例提供的脑血流动力学模型具有较强的有效性和可靠性。
另外,利用本申请实施例提供的脑血流动力学模型计算老年痴呆患者和健康对照者的脑动脉波强度WI和波功率WP后,通过波分析和对比,发现与健康人相比,老年痴呆患者的脑近端动脉(即左右颈内动脉和基底动脉)的平均向前传递波强度(FCWI)较高,而总的向前传递波功率(FCWP)较低。上述发现与临床观察相一致,表明脑动脉WI和WP的分析可应用于认知损伤和老年痴呆风险的评估的可能性,从而对老年痴呆症的早期诊断、预防和精准治疗具有重要的指导意义。
本申请实施例中,可以获取脑部和颈部的核磁共振图像;根据核磁共振图像构建脑血流动力学模型;分别获取左颈内动脉、右颈内动脉、左椎动脉和右椎动脉的目标超声流速频谱波形;根据脑血流动力学模型和各目标超声流速频谱波形确定各脑动脉的波强度和波功率,以通过无创测量和数值模拟相结合的方式实现全脑动脉WI和WP的测量,提高脑动脉WI和WP测量的精度,具有较强的易用性和实用性。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的脑动脉波强度和波功率的测量方法,图9示出了本申请实施例提供的脑动脉波强度和波功率的测量装置的结构框图,为了便于说明,仅示出了与本申请实施例相关的部分。
参照图9,所述测量装置可以包括:
核磁共振图像获取模块901,用于获取包含脑部信息和颈部信息的核磁共振图像;
动力学模型构建模块902,用于根据所述核磁共振图像构建脑血流动力学模型;
频谱波形获取模块903,用于分别获取左颈内动脉、右颈内动脉、左椎动脉和右椎动脉的目标超声流速频谱波形;
波强度和波功率确定模块904,用于根据所述脑血流动力学模型和各所述目标超声流速频谱波形确定各脑动脉的波强度和波功率。
示例性的,所述脑血流动力学模型根据下述公式对任一脑动脉进行血流模拟:
其中,A为该脑动脉t时刻x位置处的目标横截面积,U为该脑动脉t时刻x位置处的平均血流速度,P为该脑动脉t时刻x位置处的平均血压,μ为血液黏度,ρ为血液密度,ξ为粘性摩擦常数,且μ=0.0035Pa·s,ρ=1050kg·m-3,ξ=22,Pext为施加在该脑动脉外壁的压力,P0为参考压力,K为该脑动脉的硬度参数,A0为该脑动脉的初始横截面积。
在一种可能的实现方式中,所述波强度和波功率确定模块904,可以包括:
入口边界确定单元,用于将各所述目标超声流速频谱波形确定为所述脑血流动力学模型的入口边界条件;
出口边界确定单元,用于确定所述脑血流动力学模型的出口边界条件;
脑动脉血压确定单元,用于根据所述入口边界条件、所述出口边界条件和所述脑血流动力学模型确定各所述脑动脉任一位置处的平均血流速度波形、平均流量波形以及平均血压波形;
波强度和波功率确定单元,用于根据各所述脑动脉的平均血流速度波形、平均流量波形以及平均血压波形确定各所述脑动脉的波强度和波功率。
可选地,所述出口边界确定单元,可以包括:
总阻力确定分单元,用于根据肱动脉血压以及所述左颈内动脉、所述右颈内动脉、所述左椎动脉和所述右椎动脉的目标超声流速频谱波形和初始横截面积计算脑动脉系统的总阻力和总顺应性;
目标阻力确定分单元,用于根据所述脑动脉系统的总阻力和总顺应性确定各末端动脉的目标阻力和目标顺应性;
出口边界确定分单元,用于根据各所述末端动脉的目标阻力和目标顺应性确定所述脑血流动力学模型的出口边界条件。
示例性的,所述总阻力确定分单元,可以包括:
第一平均流量确定子单元,用于根据所述左颈内动脉、所述右颈内动脉、所述左椎动脉和所述右椎动脉的目标超声流速频谱波形和初始横截面积分别确定一个心动周期内的左颈内动脉、右颈内动脉、左椎动脉以及右椎动脉的第一平均流量;
第二平均流量确定子单元,用于根据各所述第一平均流量确定一个心动周期内脑总灌注的第二平均流量;
总阻力确定子单元,用于根据所述第二平均流量和所述肱动脉血压确定所述脑动脉系统的总阻力和总顺应性。
具体地,所述总阻力确定子单元,具体用于根据下述公式确定所述脑动脉系统的总阻力和总顺应性:
其中,RT为所述总阻力,CT为所述总顺应性,Pm为肱动脉的平均动脉压,Pcap为颅内毛细血管压,Picp为颅内压,且Pcap=25mmHg,Picp=11mmHg,为所述第二平均流量,PP=SBP-DBP,SBP为肱动脉的收缩压,DBP为肱动脉的舒张压,ΔVT为所述脑动脉系统的总脉动体积。
可选地,所述目标阻力确定分单元,具体用于利用动脉流量比和动脉横截面积比的两步分配法将所述脑动脉系统的总阻力和总顺应性分配给各所述末端动脉,得到各所述末端动脉的目标阻力和目标顺应性。
在一种可能的实现方式中,所述动力学模型构建模块902,可以包括:
脑动脉分割单元,用于对所述核磁共振图像进行脑动脉分割与重建,得到脑动脉系统的三维几何模型;
中心线确定单元,用于根据所述三维几何模型确定各脑动脉的中心线,并获取各中心线的长度和初始横截面积;
脉搏波传递模型建立单元,用于根据各所述中心线的长度和初始横截面积建立所述脑动脉系统的1D脉搏波传递模型;
动力学模型构建单元,用于在所述1D脉搏波传递模型的各末端动脉中分别连接一0D模型,得到所述脑血流动力学模型,其中,所述0D模型用于模拟末端动脉的外周血管床的目标阻力和目标顺应性。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
图10为本申请一实施例提供的终端设备的结构示意图。如图10所示,该实施例的终端设备10包括:至少一个处理器1000(图10中仅示出一个)、存储器1001以及存储在所述存储器1001中并可在所述至少一个处理器1000上运行的计算机程序1002,所述处理器1000执行所述计算机程序1002时实现上述任意各个脑动脉波强度和波功率的测量方法实施例中的步骤。
所述终端设备10可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括,但不仅限于,处理器1000、存储器1001。本领域技术人员可以理解,图10仅仅是终端设备10的举例,并不构成对终端设备10的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如还可以包括输入输出设备、网络接入设备等。
所述处理器1000可以是中央处理单元(central processing unit,CPU),该处理器1000还可以是其他通用处理器、数字信号处理器(digital signal processor,DSP)、专用集成电路(application specific integrated circuit,ASIC)、现场可编程门阵列(field-programmable gate array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器1001在一些实施例中可以是所述终端设备10的内部存储单元,例如终端设备10的硬盘或内存。所述存储器1001在另一些实施例中也可以是所述终端设备10的外部存储设备,例如所述终端设备10上配备的插接式硬盘,智能存储卡(smart media card,SMC),安全数字(secure digital,SD)卡,闪存卡(flash card)等。进一步地,所述存储器1001还可以既包括所述终端设备10的内部存储单元也包括外部存储设备。所述存储器1001用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等,例如所述计算机程序的程序代码等。所述存储器1001还可以用于暂时地存储已经输出或者将要输出的数据。
本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行时可实现上述各个方法实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质至少可以包括:能够将计算机程序代码携带到装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(read-only memory,ROM,)、随机存取存储器(random accessmemory,RAM,)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读存储介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种脑动脉波强度和波功率的测量方法,其特征在于,包括:
获取包含脑部信息和颈部信息的核磁共振图像;
根据所述核磁共振图像构建脑血流动力学模型;
分别获取左颈内动脉、右颈内动脉、左椎动脉和右椎动脉的目标超声流速频谱波形;
根据所述脑血流动力学模型和各所述目标超声流速频谱波形确定各脑动脉的波强度和波功率。
3.如权利要求1所述的方法,其特征在于,所述根据所述脑血流动力学模型和各所述目标超声流速频谱波形确定各脑动脉的波强度和波功率,包括:
将各所述目标超声流速频谱波形确定为所述脑血流动力学模型的入口边界条件;
确定所述脑血流动力学模型的出口边界条件;
根据所述入口边界条件、所述出口边界条件和所述脑血流动力学模型确定各所述脑动脉任一位置处的平均血流速度波形、平均流量波形以及平均血压波形;
根据各所述脑动脉的平均血流速度波形、平均流量波形以及平均血压波形确定各所述脑动脉的波强度和波功率。
4.如权利要求3所述的方法,其特征在于,所述确定所述脑血流动力学模型的出口边界条件,包括:
根据肱动脉血压以及所述左颈内动脉、所述右颈内动脉、所述左椎动脉和所述右椎动脉的目标超声流速频谱波形和初始横截面积计算脑动脉系统的总阻力和总顺应性;
根据所述脑动脉系统的总阻力和总顺应性确定各末端动脉的目标阻力和目标顺应性;
根据各所述末端动脉的目标阻力和目标顺应性确定所述脑血流动力学模型的出口边界条件。
5.如权利要求4所述的方法,其特征在于,所述根据肱动脉血压以及所述左颈内动脉、所述右颈内动脉、所述左椎动脉和所述右椎动脉的目标超声流速频谱波形和初始横截面积计算脑动脉系统的总阻力和总顺应性,包括:
根据所述左颈内动脉、所述右颈内动脉、所述左椎动脉和所述右椎动脉的目标超声流速频谱波形和初始横截面积分别确定一个心动周期内的左颈内动脉、右颈内动脉、左椎动脉以及右椎动脉的第一平均流量;
根据各所述第一平均流量确定一个心动周期内脑总灌注的第二平均流量;
根据所述第二平均流量和所述肱动脉血压确定所述脑动脉系统的总阻力和总顺应性。
7.如权利要求4所述的方法,其特征在于,所述根据所述脑动脉系统的总阻力和总顺应性确定各末端动脉的目标阻力和目标顺应性,包括:
利用动脉流量比和动脉横截面积比的两步分配法将所述脑动脉系统的总阻力和总顺应性分配给各所述末端动脉,得到各所述末端动脉的目标阻力和目标顺应性。
8.如权利要求1至7中任一项所述的方法,其特征在于,所述根据所述核磁共振图像构建脑血流动力学模型,包括:
对所述核磁共振图像进行脑动脉分割与重建,得到脑动脉系统的三维几何模型;
根据所述三维几何模型确定各脑动脉的中心线,并获取各中心线的长度和初始横截面积;
根据各所述中心线的长度和初始横截面积建立所述脑动脉系统的1D脉搏波传递模型;
在所述1D脉搏波传递模型的各末端动脉中分别连接一0D模型,得到所述脑血流动力学模型,其中,所述0D模型用于模拟末端动脉的外周血管床的目标阻力和目标顺应性。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述的脑动脉波强度和波功率的测量方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的脑动脉波强度和波功率的测量方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110533405.1A CN113379679B (zh) | 2021-05-14 | 2021-05-14 | 脑动脉波强度和波功率的测量方法、终端设备及存储介质 |
PCT/CN2021/138058 WO2022237161A1 (zh) | 2021-05-14 | 2021-12-14 | 脑动脉波强度和波功率的测量方法、终端设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110533405.1A CN113379679B (zh) | 2021-05-14 | 2021-05-14 | 脑动脉波强度和波功率的测量方法、终端设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113379679A true CN113379679A (zh) | 2021-09-10 |
CN113379679B CN113379679B (zh) | 2023-07-18 |
Family
ID=77571073
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110533405.1A Active CN113379679B (zh) | 2021-05-14 | 2021-05-14 | 脑动脉波强度和波功率的测量方法、终端设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113379679B (zh) |
WO (1) | WO2022237161A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114648514A (zh) * | 2022-03-30 | 2022-06-21 | 中国人民解放军总医院第二医学中心 | 一种脑动脉定位提取方法、装置、电子设备及存储介质 |
WO2022237161A1 (zh) * | 2021-05-14 | 2022-11-17 | 中国科学院深圳先进技术研究院 | 脑动脉波强度和波功率的测量方法、终端设备及存储介质 |
CN117322876A (zh) * | 2023-10-27 | 2024-01-02 | 广东省人民医院 | 基于颈动静脉参量的脑氧供需监测系统、方法和介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101172042A (zh) * | 2006-11-01 | 2008-05-07 | 上海匡复医疗设备发展有限公司 | 一种脑血管循环动力学分析方法及仪器 |
CN101901346A (zh) * | 2010-05-06 | 2010-12-01 | 复旦大学 | 一种对彩色数字图像进行不良内容识别的方法 |
CN102940486A (zh) * | 2012-10-29 | 2013-02-27 | 大连理工大学 | 一种颈动脉系统血流动力学与信号分析系统及方法 |
EP2942006A1 (en) * | 2014-05-09 | 2015-11-11 | Siemens Aktiengesellschaft | Method and system for non-invasive computation of hemodynamic indices for coronary artery stenosis |
CN108471970A (zh) * | 2015-11-10 | 2018-08-31 | 通用电气公司 | 用于估计动脉脉搏波速度的系统和方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107491636B (zh) * | 2017-07-26 | 2021-03-16 | 武汉大学 | 一种基于计算流体力学的脑血管储备力仿真系统和方法 |
CN113379679B (zh) * | 2021-05-14 | 2023-07-18 | 中国科学院深圳先进技术研究院 | 脑动脉波强度和波功率的测量方法、终端设备及存储介质 |
CN113499090A (zh) * | 2021-05-21 | 2021-10-15 | 杭州脉流科技有限公司 | 冠状动脉血流储备分数得到方法、装置、计算机设备和存储介质 |
-
2021
- 2021-05-14 CN CN202110533405.1A patent/CN113379679B/zh active Active
- 2021-12-14 WO PCT/CN2021/138058 patent/WO2022237161A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101172042A (zh) * | 2006-11-01 | 2008-05-07 | 上海匡复医疗设备发展有限公司 | 一种脑血管循环动力学分析方法及仪器 |
CN101901346A (zh) * | 2010-05-06 | 2010-12-01 | 复旦大学 | 一种对彩色数字图像进行不良内容识别的方法 |
CN102940486A (zh) * | 2012-10-29 | 2013-02-27 | 大连理工大学 | 一种颈动脉系统血流动力学与信号分析系统及方法 |
EP2942006A1 (en) * | 2014-05-09 | 2015-11-11 | Siemens Aktiengesellschaft | Method and system for non-invasive computation of hemodynamic indices for coronary artery stenosis |
CN105078440A (zh) * | 2014-05-09 | 2015-11-25 | 西门子公司 | 无创计算冠状动脉狭窄的血液动力学指标的方法和系统 |
CN108471970A (zh) * | 2015-11-10 | 2018-08-31 | 通用电气公司 | 用于估计动脉脉搏波速度的系统和方法 |
Non-Patent Citations (3)
Title |
---|
S NEUMANN等: "Wave intensity analysis in the internal carotid artery of hypertensive subjects using phase-contrast MR angiography and preliminary assessment of the effect of vessel morphology on wave dynamics", PHYSIOLOGICAL MEASUREMENT * |
王宇 等: "瞬时波强技术及脉冲多普勒评价老年脑梗死患者颈总动脉血流动力学对照研究", 中华实用诊断与治疗杂志, no. 09 * |
王晖;苏娅;黄大刚;: "大脑中动脉中重度狭窄或闭塞性病变患者同侧颅外颈动脉血流动力学的分析", 海南医学院学报, no. 10 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022237161A1 (zh) * | 2021-05-14 | 2022-11-17 | 中国科学院深圳先进技术研究院 | 脑动脉波强度和波功率的测量方法、终端设备及存储介质 |
CN114648514A (zh) * | 2022-03-30 | 2022-06-21 | 中国人民解放军总医院第二医学中心 | 一种脑动脉定位提取方法、装置、电子设备及存储介质 |
CN114648514B (zh) * | 2022-03-30 | 2022-11-29 | 中国人民解放军总医院第二医学中心 | 一种脑动脉定位提取方法、装置、电子设备及存储介质 |
CN117322876A (zh) * | 2023-10-27 | 2024-01-02 | 广东省人民医院 | 基于颈动静脉参量的脑氧供需监测系统、方法和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113379679B (zh) | 2023-07-18 |
WO2022237161A1 (zh) | 2022-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111134651B (zh) | 基于腔内影像计算血流储备分数的方法、装置、系统以及计算机存储介质 | |
CN113379679A (zh) | 脑动脉波强度和波功率的测量方法、终端设备及存储介质 | |
EP3127026B1 (en) | Systems and methods for determining blood flow characteristics using flow ratio | |
US10971271B2 (en) | Method and system for personalized blood flow modeling based on wearable sensor networks | |
CN108109698B (zh) | 计算血流储备分数的系统和设置边界条件的方法 | |
CN105559810A (zh) | 血管单位时间血流量与血流速度的计算方法 | |
WO2022198719A1 (zh) | 血流动力的仿真方法及装置 | |
CN113040795B (zh) | 无导丝ffr、无导丝imr和无导丝cfr的检测方法 | |
JP7118464B2 (ja) | 血管圧差を取得する方法及び装置 | |
CN108665449B (zh) | 预测血流矢量路径上的血流特征的深度学习模型及装置 | |
CN108742587B (zh) | 基于病史信息获取血流特征值的方法及装置 | |
CN113040796B (zh) | 获取冠状动脉功能学指标的方法与装置 | |
Bikia et al. | Noninvasive cardiac output and central systolic pressure from cuff-pressure and pulse wave velocity | |
CN113015497B (zh) | 对对象固有的血管的血流模拟方法及装置 | |
JP2022500133A (ja) | 心筋染影特性に基づく仮想FFR及びiFR計算のための境界条件の計算 | |
CN111067494A (zh) | 基于血流储备分数和血流阻力模型的微循环阻力快速计算方法 | |
CN113180614B (zh) | 无导丝ffr、无导丝imr和无导丝cfr的检测方法 | |
CN114052764A (zh) | 获取血流储备分数的方法、装置、系统和计算机存储介质 | |
CN112384138B (zh) | 获取心表大动脉的血流量的方法、装置、系统及存储介质 | |
Fryer et al. | Validity of single‐point assessments for determining leg pulse wave velocity in sitting and supine positions | |
NL2026137B1 (en) | Method and device for determining a coronary microvascular resistance score | |
CN114664455A (zh) | 一种冠状动脉血流储备分数计算方法及装置 | |
CN110929604B (zh) | 基于造影图像的流速的筛选方法、装置、系统和存储介质 | |
CA3164482A1 (en) | Noninvasive diagnostics of proximal heart health biomarkers | |
Doriot et al. | Accuracy of coronary flow measurements performed by means of Doppler wires |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |